RFD4ProteinaScheduler

RFD4ProteinaScheduler adalah sampler flow dengan temporal-score-rescaled dari RFD4-Proteína untuk satu modalitas. Pipeline ini menggunakan dua instans, satu untuk backbone (bb_ca, koordinat dalam nanometer) dan satu untuk latents lokal per-token (local_latents), masing-masing dengan jadwal waktu, jadwal noise, dan rescaling-nya sendiri. Lihat RFD4ProteinaPipeline untuk loop sampling.

RFD4ProteinaScheduler

kelas diffusers.RFD4ProteinaScheduler

< source >

( schedule_mode: strnoise_mode: strtsr_k: floattsr_sigma: floattail_steps: int = 10tail_step_multiplier: int = 2t_lim_ode: float = 0.95t_lim_ode_below: float = 0.02 )

Parameter

schedule_mode (str) — Jarak waktu antara noise dan data: "log" atau "power".
noise_mode (str) — Bentuk noise yang disuntikkan di jendela stokastik: "1/t" atau "tan".
tsr_k (float) — Seberapa rendah suhu sampling; semakin tinggi nilainya, semakin rendah suhunya.
tsr_sigma (float) — Seberapa cepat suhu rendah tercapai; nilai yang lebih tinggi berarti lebih cepat.
tail_steps (int, defaultnya 10) — Jumlah interval akhir yang lebih halus dari sisanya dengan tail_step_multiplier.
tail_step_multiplier (int, defaultnya 2) — Seberapa halus interval terakhir.
t_lim_ode (float, defaultnya 0.95) — Di atas waktu ini, langkah bersifat deterministik.
t_lim_ode_below (float, defaultnya 0.02) — Di bawah waktu ini, langkah bersifat deterministik.

Temporal-score-rescaled flow sampler untuk satu modalitas dari RFD4-Proteína.

Pipeline ini mengintegrasikan dua modalitas, yaitu backbone dan latens lokal per-token, masing-masing dengan satu scheduler. Keduanya berbeda dalam jadwal waktu, jadwal noise, dan rescaling.

Panggil set_timesteps sebelum sampling. Waktu meningkat dari noise menuju data bersih. Scheduler melacak interval saat ini dan tidak boleh dibagikan oleh generasi yang berjalan bersamaan.

set_timesteps

< source >

( num_inference_steps: intdevice: typing.Union[str, torch.device, NoneType] = Nonestart_time: float | None = None )

Parameter

num_inference_steps (int) — Jumlah interval integrasi.
device (str atau torch.device, opsional) — Perangkat untuk timesteps. Panjang interval dan koefisien noise tetap berada di CPU.
start_time (float, opsional) — Waktu mulai partial-diffusion dalam [0, 1). Abaikan untuk generasi penuh.

Selesaikan jadwal dan atur ulang kursor integrasi.

add_noise

< source >

( original_samples: Tensornoise: Tensortimesteps: typing.Union[float, torch.Tensor] )

Parameter

original_samples (torch.Tensor) — Keadaan bersih (batch, tokens, D).
noise (torch.Tensor) — Noise dengan bentuk yang sama, diambil oleh pemanggil.
timesteps (float atau torch.Tensor) — Waktu dalam [0, 1), skalar atau (batch,).

Ambil sampel dari marginal maju (1 - t) * noise + t * clean.

langkah

< source >

( model_output: Tensortimestep: Tensorsample: Tensoremit_mask: Tensorgenerator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = Nonereturn_dict: bool = True ) → RFD4ProteinaSchedulerOutput or tuple

Parameter

model_output (torch.Tensor) — Kecepatan prediksi, dengan bentuk seperti sample.
timestep (torch.Tensor) — Elemen berikutnya dari timesteps. Langkah yang tidak berurutan akan ditolak.
sample (torch.Tensor) — State saat ini (B, N, D).
emit_mask (torch.Tensor) — Boolean (B, N), bernilai true untuk token yang diperbarui (bukan konteks atau padding).
generator (torch.Generator atau list[torch.Generator], opsional) — Generator untuk satu baris atau generator yang berbeda untuk setiap baris batch. Jika diabaikan, stream global akan digunakan.
return_dict (bool, defaultnya True) — Kembalikan RFD4ProteinaSchedulerOutput; selain itu, tuple berisi satu item yang menyimpan state.

Mengembalikan

RFD4ProteinaSchedulerOutput atau tuple

Status yang diperbarui.

Majukan satu interval integrasi dan perbarui step_index.